Yapay zekâ yazılım geliştirmeyi hızlandırırken saldırganların güvenlik açığı arama, kimlik avı metni üretme ve keşif yapma kapasitesini de büyütüyor. Geleneksel güvenlik araçları belirli imzaları ve kuralları izlerken ajan tabanlı saldırılar hedefe göre yöntem değiştirebiliyor. Microsoft’un Project Perception girişimi, bu değişime tek bir güvenlik modeliyle değil, farklı görevleri üstlenen çoklu yapay zekâ ajanlarıyla karşılık vermeyi amaçlıyor.
Microsoft, Project Perception’ı 3 Ağustos 2026’da genel ön izlemeye açacağını duyurdu. Sistem kırmızı ajanlarla saldırı davranışını simüle ediyor, mavi ajanlarla savunma ve müdahaleyi yürütüyor, yeşil ajanlarla da güvenlik ile yönetişim sınırlarını gözetiyor. İnsan güvenlik ekipleri hedefi ve yetkileri belirlemeye devam ediyor.
Duyuru önemli olsa da ön izleme ifadesi unutulmamalı. Sistem tüm kurumlara otomatik güvenlik sağlamıyor; doğru sensör verileri, sınırlı yetkiler, güvenilir test ortamı ve uzman denetimi gerekiyor. Bu nedenle Project Perception’ı bitmiş bir ürün kadar, ajan çağında güvenlik mimarisinin nasıl değişeceğini gösteren bir çerçeve olarak okumak daha doğru.
Kırmızı, Mavi ve Yeşil Ajanlar Ne Yapıyor?
Kırmızı ajanlar saldırgan bakış açısını taklit ederek sistemdeki zayıf noktaları, hatalı yapılandırmaları ve olası saldırı yollarını arıyor. Amaç gerçek saldırı gerçekleşmeden savunmanın nerede kırılacağını görmek. Bu ajanların üretim sistemine sınırsız erişmesi ciddi risk yaratacağı için simülasyon kapsamı, izinler ve durdurma koşulları insan tarafından tanımlanmalı.
Mavi ajanlar günlükler, ağ sinyalleri, kimlik olayları ve uç nokta verileri arasındaki ilişkiyi inceleyerek tehdidi tespit etmeye ve uygun yanıtı önermeye çalışıyor. İnsan analistin saatler sürebilecek araştırmasını hızlandırabilir; ancak yanlış pozitif veya eksik bağlam nedeniyle kritik işlemleri otomatik engellemek yerine aşamalı yetkilendirme gerekli.
Yeşil ajanlar güvenli davranışı, politika uyumunu ve sistemin kendi sınırlarını gözetiyor. Bir ajanın hassas veriye erişmesi, yüksek riskli komut çalıştırması veya belirlenen amaçtan sapması durumunda kontrol katmanı oluşturuyor. Bu rol, yalnızca dış saldırıyı değil savunma sisteminin kendisinden doğabilecek riski de hesaba katıyor.
MAI-Cyber-1-Flash Modeli Ne Vadediyor?
Project Perception çoklu model yaklaşımını kullanıyor; yani her görev için tek bir büyük model zorunlu değil. Microsoft, siber güvenlik görevlerine odaklanan MAI-Cyber-1-Flash modelini de sistemin önemli parçalarından biri olarak tanıttı. Şirketin açıkladığı MDASH değerlendirmelerinde model CyberGym görevlerinde yüzde 96 puana ulaştı ve Mythos temel çizgisinin 12 puan üzerine çıktı.
Microsoft ayrıca belirli iş yüklerinde yaklaşık yüzde 50 maliyet tasarrufu bildirdi. Bu rakamlar üreticinin kendi değerlendirmelerine dayanıyor ve farklı kurum ağlarında aynı sonucu garanti etmiyor. Güvenlik performansı yalnızca modelin doğruluğuna değil, günlük kalitesine, varlık envanterine, erişim yönetimine ve müdahale sürecinin olgunluğuna bağlı.
Mimari Neden Sadece Bir Sohbet Botundan Fazlası?
Microsoft çerçeveyi bağlam, sensörler, modeller, çalışma altyapısı, ajanlar ve eyleyiciler olarak katmanlara ayırıyor. Sensörler gerçek dünyadan sinyal topluyor; modeller bu sinyali yorumluyor; ajanlar hedef doğrultusunda plan yapıyor; eyleyiciler ise bilet açma, cihazı yalıtma veya erişimi sınırlama gibi işlemleri uyguluyor. Bağlam katmanı, kurumun hangi sisteminin kritik olduğunu ve normal davranışın neye benzediğini anlatıyor.
Bu ayrım denetlenebilirlik için önemli. Bir modelin öneri üretmesiyle üretim sunucusunu kapatması aynı risk düzeyinde değil. Kurumlar düşük riskli görevleri otomatikleştirip yüksek riskli işlemleri insan onayına bağlayabilir. Her ajanın hangi veriye eriştiği ve hangi eylemi gerçekleştirdiği kaydedilirse olay sonrasında karar zinciri incelenebilir.
Kurumlar İçin Olası Faydalar
- Alarm kümelerini ilişkilendirerek analistin araştırma süresini kısaltmak.
- Gerçek saldırı öncesinde kontrollü kırmızı takım testlerini daha sık çalıştırmak.
- Yeni saldırı yöntemlerine sabit imza beklemeden davranış üzerinden yanıt vermek.
- Olay özetini, etkilenen varlıkları ve önerilen müdahaleyi aynı çalışma alanında toplamak.
- Güvenlik politikasını yeşil ajanlarla sürekli denetleyip ajanların yetki aşımını sınırlamak.
Riskler ve İnsan Denetimi
Yapay zekânın saldırı kodu üretmesi veya yanlış cihazı karantinaya alması gerçek operasyonu etkileyebilir. Model yönlendirme saldırıları, kirli günlük verisi ve ele geçirilmiş sensörler savunma ajanını yanıltabilir. Bu nedenle araçlar en az ayrıcalık ilkesiyle çalışmalı, kritik eylemler iki aşamalı onay istemeli ve ajanların kendi komutları değiştirilemez denetim kaydına yazılmalı.
Bir başka risk beceri kaybı. Ekip bütün incelemeyi ajana bırakırsa model hata yaptığında doğrulayacak insan kapasitesi zayıflayabilir. Ajanı analistin yerine geçen otorite değil, hızlı araştırma ve öneri sağlayan ekip arkadaşı olarak konumlandırmak daha sağlıklı.
Almadanincele Yorumu
Project Perception’ın dikkat çekici tarafı “güvenlik için yapay zekâ” demekten çok saldırı, savunma ve yönetişimi ayrı ajanlara bölmesi. Bu yapı kurumlara daha net yetki sınırları kurma şansı veriyor. Yine de ön izleme aşamasında ölçüm sonuçlarını doğrudan gerçek dünya başarısı saymak doğru değil.
En iyi başlangıç, üretim sistemini otomatik değiştirmeyen görevler: alarm özetleme, tehdit avı önerisi ve kontrollü laboratuvar testleri. Kurum ölçülebilir fayda gördükçe düşük riskli müdahaleleri otomatikleştirebilir. Güvenlikte hız önemli, fakat hızın güvenilir kayıt, sınırlı yetki ve insan sorumluluğuyla birlikte gelmesi gerekiyor.
Kaynaklar
Kapak görseli: Microsoft resmi duyuru görseli. Kullanım bilgisi: Haber ve analiz kapsamında kaynak gösterilerek resmi basın görseli kullanımı.
